Num cenário empresarial marcado pela volatilidade dos mercados e dos custos das matérias-primas, o ajuste de preços de venda de produtos/serviços tornou-se uma prática comum. No entanto, a simples variação de preços com base em custos e margens alvo destrói valor, e revela-se cada vez mais sub-ótima, sobretudo no canal business-to-business (B2B). .A abordagem tradicional de cost-based pricing é insuficiente no atual contexto, devendo as empresas evoluir para value-based pricing, recorrendo a estratégias de preço alinhadas com o valor percebido pelos clientes. Cada cliente tem necessidades, comportamentos e perceções de valor distintos consoante o produto, o canal de venda e o momento, que devem ser contemplados na definição dos preços. E para captar este comportamento não é suficiente o poder da intuição e da experiência da força de vendas. Para tal, é necessário uma metodologia analítica de preço que modele a elasticidade da procura (ou a probabilidade de conversão de uma cotação) em função do preço, incorporando todo o tipo de fatores explicativos, como os atributos do produto/serviço, do cliente, e da concorrência..Note-se que o viés dos comerciais, muitas vezes condicionados pelo histórico de conversões e não conversões de pedidos de cotação, impacta negativamente as margens e os volumes de venda. Os preços sugeridos acabam por refletir mais o desempenho passado do que o valor presente. É essencial superar esta limitação, adotando abordagens analíticas e preditivas que suportem a tomada de decisão. Empresas que gerem grandes portefólios de produtos e um elevado número de clientes, enfrentam, por norma, dificuldades adicionais na definição de preços mais granulares, customizados e dinâmicos. A gestão manual de preços torna-se, por isso, impraticável face à complexidade e volume de dados envolvidos. E é aqui que a tecnologia, designadamente inteligência artificial e analítica avançada, desempenha um papel crucial..A automatização e a análise de dados são fundamentais para uma estratégia de pricing eficaz no canal B2B. Estes processos devem ser dinâmicos, capazes de aprender autonomamente em tempo real, com base em dados internos e externos. Esta abordagem analítica permite uma visão mais holística do valor do produto/serviço para cada cliente, maximizando a rentabilidade sem comprometer os volumes de venda. Contudo, é importante relevar que a otimização de preços no B2B não concorre apenas para o aumento de margens, mas também para o equilíbrio mais adequado entre rentabilidade e volume. Uma estratégia de pricing bem-sucedida deve permitir às empresas ocupar as suas capacidades industriais de forma eficiente, maximizando o retorno sobre os ativos..A título de exemplo, considere-se um fornecedor de soluções B2B de packaging sustentável, que produz vários tipos de embalagem em cartão canelado destinados a diferentes segmentos, como o e-commerce, retalho e indústria. A definição do melhor preço para cada cotação pode (e deve) ser guiada por um modelo analítico das curvas de elasticidade do preço, que avalie os atributos encomenda (urgência do pedido, tempo de resposta, contrato vs spot), cliente (perfil histórico, tipo de canal, setor, grau de fidelização, taxa de rejeição históricas), produto (tipo de cartão, gramagem, dimensão, cor/impressão, exclusividade da tecnologia), a ocupação planeada das fábricas da empresa, mercado (capacidade instalada), entre outros. O modelo de machine learning não só quantifica a importância de cada um dos atributos no preço sugerido, como estima a probabilidade de aceitação da cotação em função do preço..A utilização de modelos analíticos avançados e de inteligência artificial na tomada de decisão de preço leva a um aumento de 7,5-10% da margem operacional. Dada a natureza da definição de preço B2B, deve ser salientado que os comerciais (se experientes) “brilham” quando o julgamento humano é necessário para interpretar pistas contextuais não codificáveis (ex: ansiedade do comprador), e que, portanto, possam não estar contempladas nos atributos que o modelo considera. Uma abordagem híbrida, em que o modelo faz uma primeira recomendação e o humano recorre às suas competências e intuição para, em alguns casos, editar o preço, é superior a uma abordagem 100% automática. .Em suma, urge uma mudança de paradigma no canal business-to-business: transitar de abordagens estáticas, empíricas e centradas em custos, para abordagens guiadas por métodos analíticos, dinâmicas e orientadas ao valor percebido pelo cliente, com o humano (comercial) no loop!.Partner na LTPlabs e professor catedrático na Faculdade de Engenharia da Universidade do Porto (FEUP)